UNIVERSIDAD EAFIT Engineering School Design Engineering Research Group (GRID) Information management method based on a Knowledge Management (KM) approach for Human Supervisory Control Systems GRADUATION MANUSCRIPT PRESENTED AS PARTIAL REQUIREMENT TO OBTAIN THE MASTER OF SCIENCE IN ENGINEENEERING (Draft Document: Version 15/06/2017) AUTHOR: Ing. Mauricio Fernández-Montoya ADVISOR: Ricardo Mejía-Gutiérrez, PhD. June 2017 Abstract With the increasing level of technological developments, technical systems have become more and more complex. This complexity allows systems to perform a greater number of tasks in a more efficient and fast way. These tasks enable the system to achieve an objective that can be related to, either the materialization of a product, the provision of a service or the satisfactory execution of a mission. These Complex Systems (CS), can be an industrial plant or process, as well as aerospace systems, energy facilities, military industry, civil industry, aircraft, transportation, sports, etc. They all have in common, that a great amount of tasks may be automated, but anyway, they need human supervision through the so-called “Operators” (who are the qualified personnel in charge of maintaining the stability of the process). This operators must perform a constant monitoring and control, mainly through Human Machine Interfaces (HMI) and this Human-Machine interaction is studied by the field of Human Supervised Control (HSC). As CS have become more critical, they require the monitoring of more subsystems and variables, making them more susceptible to failures due to errors of the human operators. From the literature study, it is evident that in order to avoid such errors, three aspects become relevant: i) the level of automation of the processes have a direct influence on the flow of information between the CS and the Operators, ii) the ergonomics of the graphical interfaces its critical to facilitate the interpretation of that information and iii) methodologies for a systematic CS design become necessary to guarantee tasks accomplishment. These aspects become more critical, because CS generally integrates heterogeneous subsystems and components, which increases considerably the amount of information available to operators. The problem is that Operators, who are experts in their disciplines, use a preferred set of data, linked to their particular knowledge (without considering the full set of variables of the whole system), to perform monitoring and control tasks. It was also found in the literature that CS designers do not have a clear or formal guideline for selection and weighting of the relevant data. Consequently, this project proposes an information management method based on a Knowledge Management (KM), to select and weight mission data in Human Supervision Control Systems (HSC). The method is based on the functional analysis of the process, as well as the generation of functions from its main objective. This method was applied in a case study, where an analysis was performed around a mission control of a solar vehicle, that compete in the Bridgestone World Solar Challenge 2015. It was found that the number of relevant variables to monitor the competition was small, compared to the big set of available variables. Another finding, was that the set of relevant variables is strongly influenced by the Operating States (OS) of the vehicle throughout the different moments of the competition. Although there are some variables that are consistently stronger than others in all OS, in general, the variables’ importance presents a variable behavior between OS, concluding that the relevance of the variables is dynamic. Keywords: human supervisory control, mission control, Variable Weighting, Process, operators i ii Resumen Con el incremento en el nivel de los desarrollos tecnológicos, los sistemas técnicos se han vuelto más y más complejos. Esta complejidad le permite a los sistemas ejecutar una cantidad mayor de tareas de forma más eficiente y rápida. Estas tareas le permiten al sistema alcanzar un objetivo que puede relacionarse, sea con la materialización de un producto, la prestación de un servicio, o la ejecución satisfactoria de una misión. Estos Sistemas Complejos (SC), puede ser una planta industrial o un proceso, así como los sistemas aeroespaciales, instalaciones de energía, industrial militar, industria civil, aeronaves, transporte, deportes, etc. Todas estas tienen en común, que aunque muchas de las tareas se pueden automatizar, requieren de supervisión humana a través de los llamados "Operadores" (quienes son personal calificado encargados de mantener la estabilidad del proceso). Estos Operadores deben realiza un monitoreo y control constantes, principalmente a través de Interfaces Humano-Maquina (IHM) y esta interacción es estudiada por el campo del Control Supervisado por Humanos (CSH). A medida que los SC se vuelven más críticos, requieren el monitoreo de más subsistemas y variables, haciendolos más suceptibles a fallas debido a errores de los operadores humanos. Del estudio de literatura, es evidente que con el fin de evitar estos errores, tres aspectos se vuelven relevantes: i) El nivel de automatización de los procesos tiene una influencia directa en el flujo de información entre el SC y los Operadores, ii) La ergonomía de las interfaces gráficas es crítica para facilitar la interpretación de la inforaicón y iii) Metodologías para el diseño sistemático de los SC se vuelven necesarios para garantizar el cumpliemiento de las tareas. Estos aspectos se vuelven más críticos, porque los SC generalmente integran sistemas y componentes heterogeneos, los cuales incrementan considerablemente la cantidad de información disponible para los operadores. El problema es que, los Operadores, quienes son expertos en sus disciplinas, utilizan un conjunto de datos preferidos, que está vinculado con su conocimiento particular (sin considerar el conjunto total de variables de todo el sistema), para realizar las tareas de monitoreo y control. Se encontró tambien en la literatura, que los diseñadores de los SC no tienen lineamientos formales o claros de la selección y ponderación de los datos relevantes. Consecuentemente, este proyecto propone un método basado en Knowledge Managment (KM) para selecionar y ponderar datos de misión en Sistemas de Control Supervisado por Humanos (HSC). El método se basa en el análisis funcional del proceso, así como la generación de funciones a partir del objetivo principal de misión. Este método fue aplicado en un caso de estudio, donde se realizó el análisis alrededor del control de misión de un vehículo solar, que compitió en el Bridgestone World Solar Challenge 2015. Se encontró que el número de variables relevantes para monitorear la carrera fue pequeña, comparada con el gran conjunto de variables diponibles. Otro hallazgo, fue que el conjunto de variables relevantes está fuertemente influenciado por los Estados Operativos (EO) del vehículo a través de los distintos momentos de la competencia. Aunque algunas de las variables que son consistentemente más fuertes que otras en todos los EO, en general, la importancia de las variables presenta un comportamiento variable entre EO, concluyendo que la relevancia de las variables es dinámica. Palabras Clave: Control Supervisado por Humanos, control de misión, ponderación de variables, proceso, oper- adores iii Personal publications During the development of this research project, some of the results were submitted to international peer review processes and published. These articles were published in: Journal: • International Journal of Energy Research (IJoER). John Wiley & Sons Ltd, United Kingdom. ISSN: 0363907X. Conferences: • 3rd International Conference on Mechanical, Materials and Manufacturing, (ICMMM’2016), Savannah, GA. Acknowledgements Agradezco a Ruth, Mi madre. A mis hermanos Virginia, Sebastián y Manuela, de quienes recibí su apoyo incondicional durante la realización del proyecto, sobretodo en los momentos más difíciles. Extiendo el agradecimiento a mi Asesor Ricardo Mejía y a Gilberto Osorio, quienes supieron direc- cionar adecuadamente los objetivos del proyecto y de quienes recibí también un gran apoyo, no solo desde la academia sinó a nivel personal. A Empresas Públicas de Medellín y a la Universidad EAFIT, quienes desde 2012 creyeron en mis capacidades y me permitieron participar en el proyecto del Vehículo Solar, Proyecto de Ingeniería destacado en Colombia, Orgullo de Antioquia y Primero en su tipo en el país. Además de los apren- dizajes en tecnologías que son emergentes en Colombia, y de las gratas experiencias vividas durante las dos competencias en Suelo Australiano, el proyecto me permitió tener una mirada más crítica a mi entorno desde la Ingeniería, y me enseñó a apostarle al desarrollo de tecnologías limpias en el país. A todos, Mil y Mil GRACIAS; v Contents 1 Introduction 1 1.1 Background: Control Rooms and Human Supervisory Control . 1 1.2 Research question . 9 1.3 Project Objectives . 9 1.3.1 General objective . 9 1.3.2 Specific objectives . 9 1.4 Research Scope . 9 1.5 Research Approach - Design Inclusive Research (DIR) . 10 2 State of the Art 13 2.1 Human Supervisory Control . 14 2.1.1 Contribution of Space Program to Human Supervisory Control Systems . 15 2.1.2 Industrial applications: Virtual Process Visualization Concept (VPVC) . 22 2.1.3 Automotive Applications - Solar Electric Vehicles . 23 2.1.4 Ecological Design of Interfaces (EID) . 25 2.1.5 Maintenance over time . 27 2.2 Knowledge Managment (KM) Approach . 28 2.2.1 Knowledge management (KM) in the organizational field. 29 2.2.2 Knowledge Management in Decision Making . 30 2.2.3 The quantity of information vs the quality of information. 31 2.2.4 Knowledge Management Tools . 32 2.3 Discussion of Previous Approaches . 33 vii viii Contents 3 Function to Data Matrix (FDM) applied to Mission Control Rooms - Human Supervi- sory Systems 37 3.1 Step 1: Mission/Process Essential Analysis . 40 3.1.1 Mission/Process Work Statement . 41 3.1.2 Mission/Process Description . 41 3.2 Step 2: Basic Functions Analysis . 42 3.2.1 Goal to Function Tree GFT . 43 3.2.2 Prüfer Sequence for Goal to Function Tree . 44 3.2.3 Basic Function weighing .